生物组织引发的光学像差，一直是深层活体显微镜成像的核心瓶颈。传统自适应光学技术要么依赖引导星，要么校正速度缓慢，难以适配动态生物成像需求。本研究开发多编码器自适应光学方法MeNet-AO，融合物理先验与深度学习，实现无引导星、快速的大振幅像差校正，在斑马鱼、小鼠活体成像中验证了技术有效性，为深层复杂组织动态亚细胞成像提供新方案。

该研究由 Xiangzhang Cheng、Bo Wang、Li Luo、Zhaowei Sun、Sicong He 完成，相关论文《Physics-informed multi-encoder adaptive optics enables rapid aberration correction for intravital microscopy of deep complex tissue》于2026年5月发表于《Nature Communications》。

重要发现
01技术原理：多编码器网络驱动像差校正
MeNet-AO核心是物理信息增强的多编码器神经网络，核心逻辑是通过波前调制解耦生物结构与像差特征。研究选取 Z5、Z6、Z11 三类中心对称泽尼克模式进行波前调制，生成三组调制图像对；通过傅里叶域正则化提取抗噪、结构无关的像差特征，再经三个并行编码器分别处理不同调制特征，最后融合输出泽尼克系数，一次性解码7种高阶像差。该架构将校正时间从传统30秒以上压缩至5秒内，且能校正0.6μm均方根的大振幅像差，残差控制在0.1μm内。

离体实验采用三色标记小鼠脑切片，验证模型跨结构泛化能力。仅用小胶质细胞图像训练的模型，可精准校正神经元、细胞核图像像差，证明特征提取能有效剥离生物结构干扰，仅聚焦像差信息。

活体成像先在4日龄斑马鱼上验证，校正后脑神经元、视网膜神经元荧光信号增强1-2倍，清晰解析神经轴突细节，而传统引导星自适应光学因组织信号衰减，校正效果不佳。

小鼠实验分为开颅窗神经元成像与薄颅窗小胶质细胞成像。开颅窗实验中，MeNet-AO 提升 230μm 深度神经元钙信号强度，精准解析方向选择性；245μm深层低信噪比环境下，传统引导星自适应光学失效，MeNet-AO仍稳定校正，钙信号幅度提升5倍。薄颅窗实验避免开颅引发的小胶质细胞激活，校正后清晰观测到小胶质细胞亚微米突起的钙波传播，发现单个细胞内钙信号的时空异质性。

创新与亮点
该技术攻克深层活体成像中引导星依赖、校正速度慢、低信噪比失效三大难题，提出物理信息多编码器自适应光学新架构，以泽尼克模式优选与并行特征提取，实现5秒内高精度像差校正。在生物医疗领域，可用于活体神经环路动态解析、微创小胶质细胞功能研究，适配脑疾病机制、神经免疫互作等前沿研究，为深层复杂组织亚细胞级动态成像提供通用高效方案。

总结与展望
MeNet-AO融合物理先验与深度学习，实现无引导星、快速抗噪的自适应光学校正，在斑马鱼、小鼠活体成像中验证其深层、跨结构成像优势，突破传统技术瓶颈。未来可优化调制策略缩短校正周期，融合三维相位多样性与散射模型拓展成像深度与视野，开发标准化数据集推动技术普及，助力活体成像分辨率向离体水平靠拢。

DOI:10.1038/s41467-026-73389-2.